Project Pengolahan Citra Satelit WorldView-2

• Rencana Dasar Tata Ruang (RDTR) Wilayah (Tangerang, Banten) 

Citra Original Scene Utama Sebelum Proses

Citra Original Scene Kedua Sebelum Proses

Final Mosaic Clear 
Kombinasi Warna Natural Setelah Proses

• Perencanaan Dermaga (Pelabuhan Jetty) Untuk Pendistribusian Hasil Pertambangan Batu-Bara (Barito Utara, Kalimantan Timur)  

Citra Original Scene Utama Sebelum Proses

Citra Original Scene Kedua (Filler) Sebelum Proses

Final Mosaic Minimize Cloud Reduction
Kombinasi Warna Natural Setelah Proses

• Perencanaan Pembangunan Perumahan (Deli Serdang, Sumatera Utara)

Citra Original 
Scene Utama Sebelum Proses

Citra Original
Scene Kedua (Filler) Sebelum Proses

Final Mosaic Minimize Cloud Reduction
Kombinasi Warna Natural Setelah Proses

• Perencanaan Perkebunan Kelapa Sawit (Pasir, Kalimantan Timur)

Kombinasi Warna Natural Setelah Proses

Kombinasi Warna False Color Green Setelah Proses

Kombinasi Warna False Color Green Setelah Proses

Definisi GIS dan Remote Sensing

Ada beberapa definisi dari GIS ( Sistem Informasi Geografis ), yang bukan hanya sebuah program. Secara umum, GIS adalah sistem yang memungkinkan dalam penggunaan informasi geografis (data yang memiliki koordinat spasial). Secara khusus, GIS memungkinkan untuk tampilan, query, perhitungan dan analisis data spasial, yang terutama dibedakan dalam raster atau struktur data vektor. Vektor terbentuk dari objek berupa titik, garis atau poligon, dan setiap objek dapat memiliki satu atau lebih nilai atributnya, sebuah  raster merupakan grid atau gambar di mana setiap sel memiliki nilai atribut (Fisher dan Unwin, 2005).

Beberapa aplikasi GIS menggunakan gambar raster yang berasal dari penginderaan jauh. Penginderaan jauh adalah pengukuran energi yang berasal dari permukaan bumi. Jika sumber berasal dari energi matahari, maka disebut penginderaan jauh pasif, dan hasil pengukuran ini bisa menjadi citra digital (Richards dan Jia, 2006).

Spektrum elektromagnetik adalah "sistem yang mengklasifikasikan berdasarkan panjang gelombang, seluruh energi yang bergerak, harmonis, pada kecepatan konstan cahaya" (NASA, 2013). Ukuran energi Sensor pasif dari bagian optik spektrum elektromagnetik: terlihat, dekat inframerah (IR yaitu), gelombang pendek IR, dan IR thermal.

Hal ini layak disebut penginderaan jauh aktif, yang kerjanya di kisaran microwave menggunakan sensor radar, yang ukuran energinya tidak dipancarkan oleh matahari tetapi dari platform sensor (Richards dan Jia, 2006).

Interaksi antara energi matahari dan materialnya tergantung pada panjang gelombang, energi surya bergerak dari matahari ke bumi dan kemudian ke sensor. Sensor berada di dalam pesawat atau di badan satelit, mengukur radiasi elektromagnetik pada rentang tertentu (biasanya disebut band ). Akibatnya, langkah-langkah yang terkuantisasi dan diubah menjadi gambar digital, di mana setiap elemen gambar (pixel) memiliki nilai diskrit dalam satuan Digital Number ( DN ) (NASA, 2013). Gambar yang dihasilkan memiliki karakteristik yang berbeda (resolusi) tergantung pada sensor.

Ada beberapa jenis resolusi :

• Resolusi spasial , biasanya diukur dalam ukuran pixel, "adalah menyelesaikan kekuatan suatu instrumen yang diperlukan untuk diskriminasi fitur dan didasarkan pada ukuran detektor, panjang fokus, dan sensor ketinggian" (NASA, 2013); resolusi spasial juga disebut sebagai resolusi geometris atau IFOV;
• Resolusi spektral , adalah jumlah dan lokasi dalam spektrum elektromagnetik (didefinisikan oleh dua panjang gelombang) band spektral (NASA, 2013) pada sensor multispektral, untuk setiap band sesuai gambar;
• Resolusi radiometrik , biasanya diukur dalam bit (bilangan biner), adalah kisaran nilai kecerahan yang tersedia, yang pada gambar sesuai dengan jangkauan maksimum DNS, misalnya gambar dengan resolusi 8 bit memiliki 256 tingkat kecerahan (Richards dan Jia, 2006);
• Untuk sensor satelit, ada juga resolusi temporal , yang merupakan waktu yang dibutuhkan untuk meninjau daerah yang sama dari Bumi (NASA, 2013).

Sebagai contoh, Landsat adalah salahsatu satelit multispektral yang dikembangkan oleh NASA (National Aeronautics and Space Administration dari USA), sangat berguna untuk penelitian lingkungan. Resolusi sensor Landsat 7 ditampilan pada gambar berikut, serta, Landsat resolusi temporal adalah 16 hari (NASA, 2013).

Resolusi Landsat 7 dari NASA 2013

Seringkali kombinasi yang dibuat dari tiga citra monokrom , di mana masing-masing diberi warna yang ditetapkan, ini didefinisikan sebagai warna komposit dan berguna untuk interpretasi citra (NASA, 2013). Warna komposit biasanya dinyatakan sebagai "RGB = Br Bg Bb" dimana: R adalah singkatan dari Red, G singkatan dari Green, dan B singkatan Biru, Br adalah jumlah band yang berhubungan dengan warna Merah, Bg adalah jumlah band yang terkait dengan Warna hijau, dan Bb adalah jumlah band yang terkait dengan warna Biru.

Contoh berikut menunjukkan komposit warna "RGB = 4 3 2" dari Landsat 8 gambar (untuk Landsat 7 adalah 3 2 1) dan komposit warna "RGB = 5 4 3" (untuk Landsat 7 adalah 4 3 2) .Komposit "RGB = 5 4 3" berguna untuk mengidentifikasi vegetasi, karena jelas terlihat dalam warna merah.

Contoh warna komposit dari citra Landsat 8
Data tersedia dari USGS Geological Survey

Supervised classification adalah teknik pengolahan citra untuk identifikasi material pada citra, sesuai dengan identitas karakter spektral citra. Ada beberapa macam algoritma klasifikasi, tetapi tujuan umum adalah untuk menghasilkan peta tematik tutupan lahan.

Land Cover/Tutupan lahan adalah material pada lahan, seperti tanah, vegetasi, air, aspal, dll (Fisher dan Unwin, 2005). Tergantung pada resolusi sensor, jumlah dan jenis maupun kelas tutupan lahan yang dapat diidentifikasi dalam gambar dapat bervariasi secara signifikan.

Pengolahan citra dan analisis spasial GIS memerlukan software khusus. 

Setelah proses klasifikasi, hal ini berguna untuk menilai akurasi dari klasifikasi tutupan lahan, untuk mengidentifikasi dan mengukur tingkat kesalahan peta.

___________________________________________________________________________

References:

• Congalton, R. and Green, K., 2009. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. Boca Raton, FL: CRC Press.
• Fisher, P. F. and Unwin, D. J., eds. 2005. Representing GIS. Chichester, England: John Wiley & Sons.
• NASA, 2013. Landsat 7 Science Data User's Handbook. Available at http://landsathandbook.gsfc.nasa.gov
• Richards, J. A. and Jia, X., 2006. Remote Sensing Digital Image Analysis: An Introduction. Berlin, Germany: Springer.